跳到主要內容

簡易檢索 / 詳目顯示

回結果列表
研究生： 洪漢昇
Han-Sheng Hong
論文名稱： 應用進化演算法於類神經網路之判別回授
Equalizer based on multi-layerperceptron with using EvolutionaryAlgorithm.
指導教授： 賀嘉律
Chia-Lu Ho
口試委員:
學位類別： 碩士
Master
系所名稱： 資訊電機學院 - 電機工程學系
Department of Electrical Engineering
畢業學年度： 90
語文別： 中文
論文頁數： 80
中文關鍵詞： 進化演算法
外文關鍵詞： Evolutionary Algorithm
相關次數： 點閱：15  下載：0 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 在充滿雜訊的環境下，會因雜訊與符元干擾(Inter Symbol Interference, ISI)而影響通訊的品質。傳統的等化器採用最小均方誤差演算法(Least-Mean-Square
    Error，LMS)，但僅適用於線性通道上，對於非線性通道
    則較不適宜；結合進化演算法與類神經網路架構應用於等
    化器上，可解決等化器無法處理非線性通道的問題。
    在電腦模擬類神經網路架構之等化器配合倒傳遞最小均方
    誤差演算法(Back-Propagation LMS)中，得知可以消除
    ISI，但此法卻無法避免收斂至局部最小值(local
    minimum)的缺點；而結合進化演算法與類神經網路架構應
    用於等化器上，可以跳脫局部最小值。此外，本論文進一
    步探討各參數並提出有關加強演算法效能與縮短程式演算
    時間的方法。

    第一章 序論……………………………………………………….1 1.1 數位通訊系統簡介…………………………………………2 1.2 等化器運用動機..…………………………………………..3 第二章 類神經網路應用於等化器………………………….5 2.1 類神經網路概念與模型…………………………………5 2.2 多層感知器(MLP)應用於判別回授等化器(DFE)………...9 2.3如何消除符元干擾(ISI)…………….………………..14 第三章 演算法……………..……………………..…………....…17 3.1 梯度坡降演算法……….……………………….…..18 3.1.1 BP learning algorithm for DFE…………….18 3.1.2 BP learning algorithm for MLP…………….19 3.2 進化演算法(Evolution Algorithm)….……………….28 3.2.1 EA的基本概念………………………………….28 3.2.2初始染色體………………….…..………..……….30 3.2.3評估(Evaluation)………….….….……………….31 3.2.4交配(crossover)…………….….…….………..….33 3.2.5突變(mutation)………..….…..………………….34 3.2.6染色體選擇(selection)……………..……….…….35 3.2.6風險分析(risk analysis)…………………..…….36 第四章 模擬結果一(Simulation ResultsΙ)…….….....37 4.1 系統模擬架構………………………………………..……37 4.2收斂特性(convergence characteristics)…………….38 4.3適應函數(fitness function)……………………...….….44 4.4位元錯誤率(bit error rate)…………………………..…46 4.5結論一…………………………………………………..…50 第五章 模擬結果二(Simulation ResultsⅡ)……….51 5.1如何提昇進化演算法的收斂速度……………………….….51 5.2進化演算法的深入探討………………………………...…..60 5.2.1交配率的影響…………………………..………….60 5.2.2突變率的影響…………………..…..……..……….64 5.3不同通道模型時的性能與表現………………….…..….75 5.3.1不同ratio時的表現………..…………………….76 5.3.2交配率的影響…………………..…..……..……….77 5.3.3突變率的影響…………………..…..……..……….78 5.4結論二…………..……………………….…….…..……80 附 錄…………………………………………………………………...81 參考文獻……………………………………………………………...82

    [1] J.G. Proakis,“Digital Communication,”New York：McGrawHill, 1989, 2nd ed.
    [2] P. Sarwal & M. D. Srinath,“A Fuzzy Logic System for Channel Equalization,”IEEE Transactions on Fuzzy System, Vol. 3, No. 2 , pp. 246-249, May 1995.
    [3] S. Haykin,“Adaptive Filter Theory,”Englewood Cliffs , NJ：Prentice-Hall, 1990.
    [4] S. U. H. Qureshi,“Adaptive Equalization,”Proc. Of the IEE, Vol. 73, No. 9, pp. 1349-1387, sep. 1985.
    [5] 葉怡成,“類神經網路模式應用與實作,”儒林圖書有限公司,1993.
    [6] S. Siu, G. J. Gibdon, and C. F. N. Cowan,“Decision feedback equalization using neural network structures and performance comparison with standard architecture,”IEE Proc. Part I, Communication, Speech, and Vision, Vol. 137, No. 4, pp. 221-225, August, 1990.
    [7] S. Siu, and C. F. N. Cowan,“Performance analysis of the norm back propagation algorithm for adaptive equalization,”IEE Proc. Part F, Vol. 140, No. 1, pp. 43-47, Feb. 1993.
    [8] S. Siu, C. H. Chang, and C. H. Wei,“ norm back propagation algorithm for adaptive equalization,”IEEE Trans. On Circuits and Systems ΙΙ：Analog and Digital Signal Processing , Vol. 42, No. 9, pp. 604-607, Sep. 1996.
    [9] Yoh-Han Pao,“Adaptive Pattern Recognition and Neural Networks,”Addison-Wesley Publishing Company, 1989.
    [10] 蘇木村,張孝德,“機械學習類神經網路、模糊系統以及基因演算法則,”全華科技圖書股份有限公司, 1997.
    [11] 林繼洲,“函數連結與模糊適應等化器效能評估,”元智大學, 1999.
    [12] Li-Xin Wang,“Fuzzy Systems Are Universal Approximators,” in Proc. IEEE 1992 Int. Conf. Fuzzy Systems, pp. 1163-1170, Mar. 1992.
    [13] Li-Xin Wang,“Adaptive Fuzzy Systems and Control,”Prentice Hall, 1994.
    [14] Ronald R. Yager, Dimitar P. Filev,“Essentials of Fuzzy Modeling and Control,”New York：J. wiley, c1194.
    [15] P. Power, F. Sweeney, C. F. N. Cowan,“EA Crossover Schemes for a MLP Channel Equaliser,”IEEE, vol. 1, pp. 407-410, 1999.
    [16] Back, Thomas, Evolutionary algorithm in theory and practice：evolution strategies, evolutionary programming, genetic algorithms, New York：Oxford University Press,1996.
    [17] G. J. Gibson, S. Siu, and C. F. N. Cowan,“The application of nonlinear structures to the reconstruction of binary signal,”IEEE Trans. On Signal processing, Vol. 39, No. 8, pp. 1887-1884, Aug., 1991.
    [18] 張清豪,“使用健全學習法則的多項式類神經網路等化器,”國立交通大學電子研究所博士論文, chapter 1, 1995.
    [19] 莊文仲,“多層感知等化器-使用進化演算法,”國立中央大學電機研究所碩士論文,2001.

    QR CODE
    :::